正则表达式匹配 url 中的特定请求参数

Question

我有一个网址 (https://example.com?&iframeLoad=true&firstName=&lastName=&email=&phone1=&address=&zipcode=07307&isAvailableReferral=true&isAvailableDirect=false)

我正在尝试替换名字、姓氏、电子邮件、电话、地址字段，而不是其他字段。

这是我目前使用正则表达式所做的 (&?(firstName|lastName|email|phone1|address)=?[^&]*)

这基本上选择了“&”，然后是名字|姓氏|电子邮件|电话1|地址以及“=”之后的每个字符。请注意，如果“=”后跟“&”符号，则正则表达式不匹配。

我能够正确选择每个字段，但是当 URL 在“=”之后有一个“&”时，我的解决方案无法正常工作，因为它只选择“&”字符之前的值。

作为一个有效的电子邮件可以有一个“&”。我需要一个解决方案，即使“=”之后有“&”符号，正则表达式也会选择。

示例：&email=abc&xyz@.com - 在这种情况下，正则表达式只选择“&email=abc&”而不是整个电子邮件。

Answer 1

根据 url 编码的规范，此任务可能无法明确完成。为了实现这一点，数据集中的 url 必须标准化，以便每个参数后面都有一个等号，并且参数值中不能有其他杂散的等号。如果这两个条件都为真，那么以下将起作用：

正则表达式

&(firstName|lastName|email|phone1|address)=([^&]*(?:&[^&=]+(?=&|$))*)

另请注意，此正则表达式不涵盖其中一个所需参数是第一个参数的情况。因为 Javascript 正则表达式是有限的，而且无论如何这是一个特殊情况（以 ? 而不是 & 开头），这将需要以不同的方式处理，具体取决于您要对参数执行的操作。匹配以下并替换为?是一种删除参数的方法：

\?(firstName|lastName|email|phone1|address)=([^&]*(?:&[^&=]+(?=&|$))*)(?:&|$)

如果您不打算完全删除该参数，可以删除表达式末尾的 (?:&|$) 为简单起见。

根据您打算用什么替换参数，您可能会发现调整表达式很有用，但这些通常应该在上述规则内给出所需的输出。

工作原理

这里的诀窍是有一个单独的非捕获组(?:&[^&=]+(?=&|$))*，它处理带有原始 & 符号但没有等号的参数字符串的其他部分。字符类[^&=]+ 确保子表达式没有和号或等号，前瞻(?=&|$) 确保字符串后跟另一个参数或字符串结尾，而不是等号。整个组有一个量词*，因为它可以在初始参数之后出现零次、一次或多次。

另外注意，为方便起见，参数名和值的值存放在capturing groups1和2中，方便访问和解析。如果您不打算使用这些值，可以通过在 ( 后添加 ?: 将它们替换为非捕获组。

免责声明

如果任何参数缺少等号，则无法明确区分新 url 参数与前一个 url 参数的值，因为在示例 https://example.com?&iframeLoad=true&email=abc&xyz@.com 中，这可能是指一个名为 email 的参数值abc&xyz@.com，或两个名为email 和xyz@.com 的参数（除非参数字符串列表和值字符串列表都是标准化的，但这条路是疯狂的）。以类似的方式，随机等号欺骗解析器。正如@David Faber 所提到的，通常 URL 中的 & 字符将被 URL 编码为 %26，以完全防止这种歧义。

Answer 2

您可能需要考虑这样的事情：

[&?]((?:firstName|lastName|phone1|address|zipcode)=|email=(?:.*@.*\.)?)[^&]*

email 参数在此处作为特殊情况处理 - 我们检查本地部分后跟子域，同时允许不带 & 符号的 TLD（我相信这是安全的 - 我不认为TLD 可以包含这样的奇数字符）。所有其他参数都正常处理。匹配项将作为名称=值对返回。 See Regex 101 here.